MÓDULO 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIALUNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIALUNIDAD DIDÁCTICA 2. TIPOS DE INTELIGENCIA ARTIFICIALUNIDAD DIDÁCTICA 3. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIALUNIDAD DIDÁCTICA 4. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATAUNIDAD DIDÁCTICA 5. SISTEMAS EXPERTOSUNIDAD DIDÁCTICA 6. FUTURO DE LA INTELIGENCIA ARTIFICIALMÓDULO 2. MACHINE LEARNING Y DEEP LEARNINGUNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL MACHINE LEARNINGUNIDAD DIDÁCTICA 2. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERINGUNIDAD DIDÁCTICA 3. SISTEMAS DE RECOMENDACIÓNUNIDAD DIDÁCTICA 4. CLASIFICACIÓNUNIDAD DIDÁCTICA 5. REDES NEURONALES Y DEEP LEARNINGUNIDAD DIDÁCTICA 6. SISTEMAS DE ELECCIÓNUNIDAD DIDÁCTICA 7. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOWUNIDAD DIDÁCTICA 8. SISTEMAS NEURONALESUNIDAD DIDÁCTICA 9. REDES DE UNA SOLA CAPAUNIDAD DIDÁCTICA 10. REDES MULTICAPAUNIDAD DIDÁCTICA 11. ESTRATEGIAS DE APRENDIZAJEMÓDULO 3. PROCESAMIENTO DE LENGUAJE NATURAL (PLN)UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL PLNUNIDAD DIDÁCTICA 2. RECURSOS PARA EL PLNUNIDAD DIDÁCTICA 3. COMPUTACIÓN DE LA SINTAXIS PARA EL PLNUNIDAD DIDÁCTICA 4. COMPUTACIÓN DE LA SEMÁNTICA PARA EL PLNUNIDAD DIDÁCTICA 5. RECUPERACIÓN Y EXTRACCIÓN DE LA INFORMACIÓNMÓDULO 4. CHATBOTS E INTELIGENCIA ARTIFICIALUNIDAD DIDÁCTICA 1 .¿QUÉ ES LA INTELIGENCIA ARTIFICIAL?UNIDAD DIDÁCTICA 2. ¿QUÉ ES UN CHATBOT?UNIDAD DIDÁCTICA 3. RELACIÓN ENTRE IA Y CHATBOTSUNIDAD DIDÁCTICA 4. ÁMBITOS DE APLICACIÓN CHATBOTSMÓDULO 5. DATA SCIENCE Y PROGRAMACIÓN ESTADÍSTICA CON PYTHON Y RUNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOSUNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALESUNIDAD DIDÁCTICA 3. PYTHON Y EL ANÁLISIS DE DATOSUNIDAD DIDÁCTICA 4. R COMO HERRAMIENTA PARA BIG DATAUNIDAD DIDÁCTICA 5. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOSUNIDAD DIDÁCTICA 6. ANÁLISIS DE LOS DATOSMÓDULO 6. MACHINE LEARNING CON ARDUINO Y TENSORFLOW 2.0UNIDAD DIDÁCTICA 1. INTRODUCCIÓN Y PRIMEROS PASOSUNIDAD DIDÁCTICA 2. PREPARACIÓN DE ARDUINO Y CONFIGURACIÓN DE ENTORNO PYTHONUNIDAD DIDÁCTICA 3. CODIFICACIÓN Y CONTROL DE ARDUINO CON PYTHONUNIDAD DIDÁCTICA 4. MANEJO DE ENTRADAS ANALÓGICAS CON PYTHONUNIDAD DIDÁCTICA 5. USO DE SALIDAS ANALÓGICASUNIDAD DIDÁCTICA 6. INTRODUCCIÓN A MACHINE LEARNINGUNIDAD DIDÁCTICA 7. REDES NEURONALES, SERIES TEMPORALES Y PROBLEMAS DE REGRESIÓNUNIDAD DIDÁCTICA 8. OBTENCIÓN DE PARÁMETROS EN ARDUINO Y GENERACIÓN DE CONJUNTOS DE DATOSUNIDAD DIDÁCTICA 9. PROCESAMIENTO DE DATOS Y ETAPA DE ENTRENAMIENTOUNIDAD DIDÁCTICA 10. CREACIÓN DE RED NEURONAL ARTIFICIAL Y APLICACIONES CON ARDUINO Y TENSORFLOW CON KERASMÓDULO 7. VISIÓN ARTIFICIAL Y SU APLICACIÓN EN LA INDUSTRIA 4.0UNIDAD DIDÁCTICA 1. LA VISIÓN ARTIFICIAL: DEFINICIÓN Y ASPECTOS PRINCIPALESUNIDAD DIDÁCTICA 2. COMPONENTES DE UN SISTEMA DE VISIÓN ARTIFICIALUNIDAD DIDÁCTICA 3. PROCESADO DE IMÁGENES MEDIANTE VISIÓN ARTIFICIALUNIDAD DIDÁCTICA 4. APLICACIONES DE LA VISIÓN EN LA INDUSTRIA 4.0MÓDULO 8. PROGRAMACIÓN DE VISIÓN ARTIFICIAL CON PYTHON Y OPENCVUNIDAD DIDÁCTICA 1. INTRODUCCIÓN E INSTALACIÓN DE OPENCVUNIDAD DIDÁCTICA 2. MANEJO DE FICHEROS, CÁMARAS E INTERFACES GRÁFICASUNIDAD DIDÁCTICA 3. TRATAMIENTO DE IMÁGENESUNIDAD DIDÁCTICA 4. HISTOGRAMAS Y TEMPLATE MATCHINGUNIDAD DIDÁCTICA 5. COLORES Y ESPACIOS DE COLORUNIDAD DIDÁCTICA 6. DETECCIÓN DE CARAS Y EXTRACCIÓN DE CARACTERÍSTICASUNIDAD DIDÁCTICA 7. APRENDIZAJE AUTOMÁTICOMÓDULO 9. IOT (INTERNET DE LAS COSAS) Y SISTEMAS CIBERFÍSICOS EN LA INDUSTRIA 4.0UNIDAD DIDÁCTICA 1. INTERNET DE LAS COSASUNIDAD DIDÁCTICA 2. SISTEMAS CIBERFÍSICOSMÓDULO 10. PROYECTO FIN DE MÁSTER